中国区域环境效率及其影响因素，本文主要内容关键词为：区域环境论文,中国论文,效率论文,因素论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
[中图分类号]F205 [文献标识码]A [文章编号]1000-596X(2011)10-0103-08
随着我国经济的持续快速增长，经济增长与环境保护之间的矛盾日益突出。如何正确衡量经济发展所付出的环境代价，是对环境进行有效管理和实现可持续发展所面临的重要问题。早在2004年，我国政府就开始尝试通过核算绿色GDP并对该指标进行考核的办法来促进环境保护，但是由于核算技术的不成熟以及核算工作的复杂性，绿色GDP在短期内仍然难以准确和全面地衡量环境污染对经济效率的影响。当前，主要采用单位GDP污染物排放量、人均污染物排放量等传统的方法来衡量区域环境状况，虽然这些方法易于理解但是却有很大的局限性[1]：单位GDP污染物排放量没有考虑资源投入因素，而人均污染物排放量没有考虑产出和资本等其他要素的投入。为此，人们提出了一种基于DEA模型的环境效率评价方法。
一、研究方法与模型
(一)数据包络分析法(DEA)
数据包络分析法(DEA)是以相对效率概念为基础的一种非参数统计方法，最初称之为基于规模报酬不变(constant return to scale，CRS)的DEA模型，由卡内斯、库珀和罗德思(Charnes，Cooper and Rhodes)提出。[2]该模型是将费洛(Farrell)提出的“两投入—产出”模式，推广至“多投入多产出”模式，其基本思路是运用线性规划和对偶定理，求出待评估单位的生产前沿，只要是落在边界上的决策单位(decision making units，DMU)就称为DEA有效，其效率值为1；而那些没有落在边界上的DMU就称为DEA无效，其效率值处于0与1区间。后来，班克、卡内斯和库珀(Banker，Charnes and Cooper)对CRS模型中关于规模报酬不变的假设进行了扩展，提出了基于可变规模报酬(variable return to scale，VRS)的DEA模型。[3]该模型能够将技术效率分解为纯技术效率和规模效率，于是也就可以利用线性规划方法测算每一决策单位的相对效率。
由于DEA方法不需要预先估计参数，在避免主观因素、简化运算、减少误差等方面有着明显的优越性，所以可以运用DEA方法建立环境效率评价模型。传统的DEA模型要求：(1)对每一个决策单元的输入、输出值必须是正数。(2)DEA效率是利用输出和输入的比值——效率评价指数来进行评价的，效率评价指数越大，效率越高。故DEA方法要求决策单元的输入越小越好，输出越大越好。而评价环境效率时，输入、输出中通常存在环境污染物指标，这些指标往往不符合传统的DEA模型要求，导致传统的DEA模型不能应用。为此，在DEA模型中必须对环境污染物等指标进行特殊处理，这些处理方法目前主要有曲线测度评价法、污染物投入处理法、数据转换函数处理法和方向距离函数法。[4]这4种方法各有特点，基于已有的DEA模型研究[5]，本文选择数据转换函数处理法。数据转换函数处理法在2002年由赛佛雷德和朱(Seiford and Zhu)提出，是一种较为理想的环境效率评价方法。[6]而数据转换函数法又包括三种：负产出、线性数据转换和非线性数据转换，这些方法在评价环境效率时通常是一致的。不过，线性数据转换方法在VRS模型中具有更大的优势，所以本文使用线性数据转换方法。
(二)Tobit回归分析
为了测度DEA模型评估出效率值受到哪些因素的影响以及影响程度，在DEA分析中衍生出了一种两步法(two-stage method)。在这个方法中，第一步通过DEA模型评估出决策单位的效率值；第二步把前一步中得出的效率值作为被解释变量，以影响因素等作为解释变量建立回归模型。由于DEA模型得出的效率值介于0和1之间，所以回归方程的被解释变量就被限制在这个区间。如果直接使用最小二乘法，就会由于无法完整地呈现数据而导致估计偏差，因此本文使用Tobit回归模型来分析环境效率的影响因素。
本文采用的Tobit模型如下[8]：
二、我国各省区环境效率分析
(一)投入产出变量选择及数据来源
在DEA模型中，通常把收益型指标当做产出指标体系，把成本型指标当做投入指标体系来处理。[9]因此，本文把资源消耗作为投入指标，而把经济价值和环境污染等作为产出指标，同时，在兼顾样本数据的可比性、可得性及科学性的基础上构建了中国区域环境效率评价的指标体系(表1)。
本文中投入产出指标数据均来源于各年的《中国统计年鉴》、《中国能源统计年鉴》、《中国国土资源年鉴》、《中国水资源公报》等，并经计算整理组成2000-2008年全国30个省、市和自治区(不包括西藏)的面板数据集。[9]其中，地区生产总值的数据来自2001-2009年的《中国统计年鉴》，同时以2000年为基准年，对2001-2008年的地区生产总值进行了修正；从业人员数据来自2000-2009年的《中国统计年鉴》，当年就业人数根据(当年年末就业人数＋上一年年末就业人数)/2来计算得出；能源消费总量数据来自2000-2009年的《中国能源统计年鉴》；固定资产折旧数据、建设用地面积、用水总量均来自于中经网数据库，用水量数据部分来自于《中国水资源公报》，建设用地面积部分数据来自于《中国国土资源年鉴》；工业废水排放量、工业废气排放量、工业固体废弃物排放量均来自于2001-2009年的《中国统计年鉴》，且在DEA实证分析中，采用线性数据转换函数，将“三废”数据乘以-1，再加上足够大的正数值进行调整。
(二)环境效率的DEA实证分析
使用DEAP 2.1软件，把表1中投入产出指标的相关数据代入求解，通过计算可以得出2000-2008年中国30个省区的环境效率评价结果(表2)。
1.区域环境效率分析。由表2可以看出，2000-2008年，中国30个省市的环境效率基本保持在0.7～1之间波动。其中，北京、上海、天津、浙江等经济发达省市的环境效率较高，而江西、湖北、甘肃等中西部省份的效率则较低。此外，海南、青海、宁夏等人口密度低、环境压力较小的省份环境效率也处于较高的水平。以北京、湖北和四川为例(见图1)，这三个地方2008年的GDP总量都在8 000亿元～9 000亿元，而前者环境效率为1，后两者环境效率仅为0.718和0.675。对三地的资源消耗和污染物排放情况进一步比较则会发现，湖北和四川的各项资源消耗与污染物排放都明显高于北京，其中废水排放量前两者近似为后者的9倍～11倍。由此可见，“资源的高投入、低利用和高排放”的粗放生产方式严重制约着区域环境效率的提高。
图1 2008北京、湖北、四川的资源消耗和污染物排放比较
2.环境效率的前沿面分析。根据DEA模型的经济涵义可知，处于生产前沿面的决策单元是DEA有效的，即投入与产出达到最优。对区域环境效率前沿面的分析显示，全国处于生产前沿面的地区数量呈现出下降趋势。在2000年，全国处于生产前沿面上的省市共有12个，而2008年下降为9个，减少了25%，其中，北京、天津、上海、广东、海南、青海、宁夏7省市区的环境效率连续9年都保持在前沿面上，重庆、福建在2002年后也基本处于前沿面上。从区域分布来看，绝大多数东部地区省市处于生产前沿面上，中西部地区较少，特别是中部地区。在2000-2008年，处于生产前沿面上的东部省市区基本都有6个以上，即东部有一半以上的省市实现了DEA有效。西部在2004后处于前沿面的省份基本保持在3个～4个，而中部地区在2007年后竟无一个省份实现DEA有效。由此可推测，中部在接纳东部的工业转移后，仍旧是一种“高投入、高排放的增长模式”，这限制了中部地区环境效率的提高。
处于非生产前沿面的地区，如果其技术效率不为1，就说明其投入产出没有达到最优，通过分析其投入要素的冗余状况也就可以明确环境效率的改进方向。在规模可变的条件下，对于非DEA有效的地区可以具体分析其技术有效性和规模有效性。考察2000-2008年间的非DEA有效的行政区域，黑龙江、江苏、山东、贵州、安徽等省份都出现了纯技术有效但非规模有效，说明这些省份按照当时的产出计算，其投入已经不可能再减少了；湖南、江西、重庆3省市2000年都出现了规模有效而非纯技术有效的情况，说明这些省份资源利用虽然实现了规模经济性，但未能拥有最佳的技术水平。除了前面两种情况，其余省份在相应年份既非技术有效也非规模有效，也就是说这些省份在当时存在投入冗余或产出不足的情况，即使减少其部分投入，也有可能保持当时的产出水平不变。[9]
2000年，非生产前沿面地区投入要素中冗余程度较高的依次是建设用地、从业人员和能源等，其中建设用地、从业人员的平均冗余率已经超过了40%；2008年，投入要素中冗余程度较高的依次是从业人员、用水、能源等。2000-2008年，土地资源利用率得到提高，而当前的主要问题则是从业人员冗余的问题，这也间接反映出我国可能存在的劳动力过剩问题。加大对人员、能源、用水等冗余程度较高的投入要素利用程度，可以有效提高环境效率，这为非生产前沿面地区提高环境效率指明了改进方向。
三、影响因素的计量分析
(一)模型选择和变量识别
根据国内外已有的研究理论和文献，笔者认为，各省区环境效率的主要影响因素有以下几个方面：经济规模、产业结构、对外开放程度、政府规制、技术进步和地区特征等，同时笔者对各个解释变量的作用机理进行了预判(见表3)。[10]另外，数据考察期为2000-2008年，包含我国30个省市区(不包括西藏)9年内共270个样本单元。本文的基础数据源于历年的《中国统计年鉴》、国家统计局环保专题数据和中经网地区数据库等。对外贸易总额折算成人民币单位时所使用的汇率为中国人民银行的汇率统计数据的年平均值。
(二)回归模型建立
根据前面DEA模型的计算结果，可知能源效率值都处于0和1之间，最大值为1，具有被切割(truncated)或截断的特点，因此本文选择Tobit回归模型。据此，各省市的环境效率与各影响因素之间的模型关系可以具体表达如下[10]：
(三)结果分析
通过Eviews3.1专门处理Tobit模型删尾数据的最大似然估计程序，并对上述面板数据进行回归，结果如表4。
1.经济规模对环境效率均呈现显著正向促进作用。模型估计结果显示，人均GDP(Ln(GP))对环境效率的影响系数为0.144，并且通过了1%水平的显著性检验。这一结果验证了先前的预判。值得注意的是，作为经济规模的另一个指标地区生产总值比重(GR)，对环境效率影响不显著。由此也可以看出，对于环境效率而言，人均GDP是更优的反映经济规模的指标。这也间接表明，地区生产总值比重实际上只反映该地区在全国经济中的地位，并不能证明经济地位的提高就能带来环境效率的改善。此外，人均GDP的提高，往往也意味着人均收入水平的提高，这会刺激人们对优质“环境质量”的需求，有助于环境效率的提高。
2.产业结构对环境效率影响不显著。模型结果表明，第二产业占GDP的比重(PI)未通过显著性检验。该结果在一定程度上验证了前文的预判，即第二产业比重对于环境效率的影响是不确定的。一方面，第二产业比重的提高可能会增加地区生产总值，这会改善环境效率；另一方面，第二产业比重的提高可能会带来各种污染物排放量的增加，这又会降低环境效率。两者的综合作用结果则受到地区原有经济规模和结构等诸多因素的影响。而现在的一些研究也表明，一国产业结构在短期内难以改变。[11]但随着产业结构的变迁，产值比重排序将逐步变为第三产业＞第二产业＞第一产业。而第三产业是相对减物质化的，故随着产业结构升级，环境效率将会逐步提升。长期来看，第二产业比重应与环境效率呈负相关关系。
3.对外开放程度对环境效率有显著正向促进作用。模型估计结果显示，贸易依存度(DT)对环境效率的影响系数为0.312，并且通过了1%水平的显著性检验。这说明贸易依存度比人均GDP对环境效率的正向促进作用更加明显，贸易依存度每增加1%，将促进环境效率提高0.31个百分点。同样，对外开放程度中的另外一个指标外资依存度(DC)对环境效率的影响则不显著。其原因在于，外资依存度仅表明该地区吸纳外资的程度，与环境效率并无确定的关系。不同于贸易依存度，较高的外资依存度并不意味着可以收获对外开放的益处。
4.政府规制对环境效率的影响不显著。从理论上来讲，市场发展过程中的盲目性、非理性以及片面追求最大经济效益都会导致环境问题的产生，因此政府应该履行自己的职责，包括运用经济、法律、行政等各种手段规范市场行为，从而提高环境效率。[9]但模型结果显示，工业污染治理投资占GDP的比重(FI)的系数为-7.986，且未通过1%～10%的显著性检验，这表明我国的工业污染治理投资并没有较好地达到降低污染物排放的目标。考虑到我国的特殊情况，可能有以下两个原因：一是工业污染治理投资占GDP的比重长期处于较低水平且治理效果不佳；二是污染治理投资往往是被动的。两者结合起来可理解为污染越重的地区被迫投入更多的资金却获得较差的投资效果，这就会出现工业污染投资越高而地区环境效率越低的现象。
5.人口密度对环境效率呈现显著正向促进作用。人口密度(PD)对环境效率的影响系数为0.06，相对经济规模和对外开放程度偏小。这与前文的预判相符合，说明人口密度的正效应略高于负效应。即人口密度提高所带来的生活水平、教育程度和环境意识提高对环境效率的正促进作用要大于其造成的生态环境压力增大的负效应。需要注意的是，人口密度增加会不断要求城市功能、产业结构和空间布局进行适应性变化，一旦人均能源和资源消耗无法随之下降，则人口密度对环境效率的影响很可能转变为负向作用。
6.技术进步对环境效率改善有负面影响。技术进步对环境效率影响系数显示为负值，且通过了1%水平的显著性检验，表明技术进步对环境效率有负面影响，这与原先的预判相反，该结果可能是由于授权专利数不能很好地衡量技术进步指标。[8]当前国内学者对于技术进步指标的刻画主要使用专利申请量，很明显这存在不足之处。因为国内进行研发的主体大多是政府机构，技术研发往往同市场的实际应用脱钩，而且目前国内的自主研发相对较少，更多的是对国外技术的引进和吸收，所以专利数并不能反映国内的技术水平。此外，另一常用指标R&D比重只能反映政府对科研的投入力度，也不能较好地衡量技术进步的水平。
四、结论
本文通过DEA模型对中国各省区环境效率进行了测算。结果表明，(1)2000-2008年，中国30个省区的环境效率基本保持在0.7～1之间波动，各省区之间的环境效率存在着明显的差异。其中，北京、上海、天津、浙江等东部经济发达省市的环境效率较高，而江西、湖北、甘肃等中西部省份的效率则较低。此外，海南、青海、宁夏等人口密度低，环境压力较小的省区环境效率也处于较高的水平。(2)中国各省区平均环境效率刚开始时大体呈下降趋势，但在2004年或2005年出现明显拐点，这说明中国环境效率与“十一五”规划期间提出的节能减排政策关联性较大。(3)我国环境效率地区差异明显，东部发达省区在效率水平上优于中西部省区，中西部省区环境效率的敏感性相对较高，而且西部省区陷入了经济发展和环境保护的两难境地。另外，2005以来西部与东部的效率差距却趋于缩小，而中部的情况则不乐观。(4)“资源的高投入、低利用和高排放”的粗放生产方式严重制约着区域环境效率的提高。中部在承接东部转移来的工业后，仍旧是一种“高投入高排放的增长模式”，这限制了中部地区环境效率的提高。(5)加大对从业人员、能源、用水等冗余程度较高的投入要素的利用程度，可以有效地提高环境效率，这实际上为处于非生产前沿面的省区环境效率指明了改进方向。
与此同时，本文运用Tobit回归模型对环境效率的影响因素进行了分析，结果表明：(1)经济水平、外贸依存度、人口密度都会对我国环境效率产生显著的正面影响，其中人均GDP和进出口贸易额对环境效率影响较大，而人口密度的双向作用则要求城市功能、产业结构和资源利用效率进行适应性变化，否则可能会由正影响转变为负影响。(2)工业污染治理投资占GDP比重对环境效率影响不显著，表明我国工业污染治理投资的投资力度不足，地方政府对环境污染治理的直接管制效果并不显著。地方政府应该从源头上进行节能减排，而不是一味地末端治理。
感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。
标签：dea论文; 中国统计年鉴论文; 经济模型论文; 中国资源论文; 环境评价论文; 环境经济论文; 生产效率论文; 有效前沿论文; 环境保护论文; 环境污染论文; 经济学论文;